机器学习驱动的滑坡冲击建筑物易损性高效概率评价方法及产品

本发明提供了机器学习驱动的滑坡冲击建筑物易损性高效概率评价方法及产品，涉及人工智能技术领域，使用非线性Pushover分析评价不同结构形式建筑物的不同极限状态抵抗能力，通过多参数组合模拟构建建筑物抵抗能力预测数据集并训练机器学习预测模型。使用光滑粒子流与有限元耦合动力学模型分析不同滑坡冲击强度作用下建筑物所受冲击力大小，基于冲击力数据构建滑坡冲击力的数学计算模型。建立填充墙损坏判别条件，比较滑坡冲击力与建筑结构抵抗能力、填充墙抵抗能力，确定建筑物的损坏状态。考虑滑坡冲击强度和建筑材料参数的不确定性，计算建筑物的概率易损性，构建不同结构形式建筑物的易损性等值线图，为滑坡定量风险评价防灾减灾提供理论和技术支撑。